我国现有动车组进站停车主要是依赖司机的驾驶经验进行人工驾驶操作,自动化水平技术不高,还不能达到如地铁般自动地对准站台屏蔽门进行精准停车的目的。此外动车组进站停车时轨道情况复杂,坡道、曲线、轮轨之间的滑行等因素都会影响动车组的实际制动力和运行速度。因此,研究有效的高速动车组制动停车控制算法对于提高动车组停车的准确性以及实现动车组的自动驾驶具有重要的现实意义。本文提出的创新研究内容是关于动车组在进站停车过程中的控制方法,通过分析动车组的制动特性参数和运动学原理建立动车组有效制动计算的数学模型,利用人工鱼群算法对模型进行优化计算来获取制动停车过程的建模数据;分析高速动车组进站停车过程中制动力与速度之间的关系,构建其多质点动力学模型;针对制动停车后期空气制动力产生带来的延时问题,引入Smith预估器并设计合适的控制器实现制动过程中对给定速度的跟踪控制。具体的研究如下:1、针对目前我国动车组有关制动计算问题不能直接套用既有公式,通过分析动车组的核心参数和运动学原理,建立动车组有效制动计算数学模型,并采用不等距分割原理与人工鱼群算法原理相结合的方法对数学模型进行优化计算,获得动车组进站停车制动过程中速度与距离数据,并结合现有的制动力数据为动车组进站停车过程的建模和控制奠定基础。2、通过对高速动车组进站停车过程中制动力与速度关系的分析,构建动车组的多质点动力学模型。由于制动停车后期空气制动力产生过程带来的延时问题,引入Smith预估器,并采用带遗忘因子的随机梯度下降法对控制模型的参数进行在线辨识,解决了Smith预估器模型不匹配的问题。3、由于Smith预估控制中的PID控制器参数需要一定的经验才能整定好,而且参数确定后不可以变化,导致其参数不能根据实际情况自动调整到最佳。基于此,提出Smith预估补偿控制与RBF神经网络整定PID的混合控制算法,保证动车组停车过程跟踪控制的精确性。通过在实验室现有仿真平台下对动车组进站过程的控制研究,验证了本文所提建模方法和控制算法均适用动车组的进站停车过程控制,可以保证高速动车组实现安全舒适的停车。